RiskMetrics

No debe confundirse con métricas de riesgo, el concepto abstracto cuantificado por medidas de riesgo.

El RiskMetrics varianza modelo (también conocido como pulidor exponencial) se estableció en 1989, cuando Sir Dennis Weatherstone, el nuevo Presidente del J.P. Morgan, pidió un informe diario de medición y explicando los riesgos de su empresa. Casi cuatro años después, en 1992, J.P. Morgan lanzó la metodología RiskMetrics para el mercado, haciendo la investigación sustantiva y análisis que satisfecho del Señor Dennis Weatherstone solicitar libremente disponible para todos los participantes del mercado.

En 1998, como demanda de cliente para el grupo gestión del riesgo conocimientos superaron los recursos de administración de riesgo interno de la empresa, el Departamento de gestión de riesgo corporativo fue desprendido de J.P. Morgan como RiskMetrics Group con 23 Fundación a empleados. El documento técnico de RiskMetrics fue revisado en 1996. En 2001, se revisó nuevamente en Volver a RiskMetrics. En 2006, se introdujo un nuevo método para el modelado de retornos de factor de riesgo (RM2006). El 25 de enero de 2008, RiskMetrics Group aparece en el New York Stock Exchange (NYSE:: RIESGO). En junio de 2010, RiskMetrics fue adquirida por MSCI.

Proceso de medición de riesgos

Cartera medición del riesgo puede dividirse en pasos. El primero es modelado del mercado que impulsa cambios en el valor de la cartera. El modelo de mercado debe especificarse suficientemente para que el portafolio puede ser revalorizado utilizando la información del modelo de mercado. Las mediciones de riesgo entonces se extraen de la distribución de probabilidad de los cambios en el valor de la cartera. El cambio en el valor de la cartera es típicamente referido por gerentes de cartera como pérdidas y ganancias, o P & L

Factores de riesgo

Sistemas de gestión de riesgo se basan en modelos que describen los cambios potenciales en los factores que afectan el valor de la cartera. Estos factores de riesgo son los bloques de construcción para todos los precios las funciones. En general, son los factores que impulsan los precios de los valores financieros precios de las acciones, tasas de cambio de divisas, precios de las materias primas, tasas de interés, correlación y volatilidad. Mediante la generación de escenarios futuros para cada factor de riesgo, podemos inferir cambios en el valor de la cartera y cotizar la cartera para diferentes "Estados del mundo".

Medidas de riesgo de cartera

Desviación estándar

La primera medida de riesgo de cartera ampliamente utilizado fue el desviación estándar del valor de la cartera, según lo descrito por Harry Markowitz. Mientras que comparativamente fácil de calcular, desviación estándar no es una medida del riesgo ideal puesto que penaliza a las ganancias, así como las pérdidas.

Valor en riesgo

El médico de tecnología 1994 popularizado VaR como la medida del riesgo de elección entre los bancos de inversión para poder medir su riesgo de cartera para el beneficio de los reguladores de la banca. VaR es una riesgo medida, lo que significa que normalmente se centra en las pérdidas.

Déficit esperado

Una tercera medida riesgo utilizados déficit esperado, también conocida vario como pérdida esperada de la cola, XLoss, VaR condicional o CVaR.

VaR marginal

El VaR marginal de una posición con respecto a una cartera puede ser pensada como la cantidad de riesgo que la posición es la adición a la cartera. Puede definirse formalmente como la diferencia entre el VaR de la cartera total y el VaR de la cartera sin la posición.

Para medir el efecto de cambiar las posiciones de riesgo de la cartera, VaRs individuales son insuficientes. Volatilidad mide la incertidumbre en el retorno de un activo, tomado aisladamente. Cuando este activo pertenece a una cartera, sin embargo, lo importante es la contribución al riesgo de la cartera.

—Philippe Jorion (2007)

Riesgo incremental

Riesgo incremental estadísticas proporcionan información sobre la sensibilidad del riesgo de cartera a los cambios en la posición de tamaños de explotación en la cartera.

Una propiedad importante de riesgo incremental es subadditivity. Es decir, la suma de los riesgos incrementales de las posiciones en una cartera es igual el riesgo total de la cartera. Esta propiedad tiene importantes aplicaciones en la asignación de riesgo a diferentes unidades, donde el objetivo es mantener igual el riesgo total la suma de los riesgos.

Puesto que hay tres medidas del riesgo cubiertas por RiskMetrics, existen tres medidas de riesgo incremental: VaR incremental (IVaR), Déficit esperado incremental (IES), y Desviación estándar incremental (ISD).

Estadísticas incrementales también tienen aplicaciones para la optimización de la cartera. Una cartera con riesgo mínimo tendrá igual a cero para todas las posiciones de riesgo incremental. Por el contrario, si el riesgo incremental es cero para todas las posiciones, la cartera está garantizada para tener mínimo riesgo sólo si la medida del riesgo es subadditive.

Medidas de riesgo coherentes

A medida de riesgo coherente cumple con las siguientes cuatro propiedades:

1. Subadditivity

Es una medida del riesgo subadditive Si por cualquier carpetas de A y B, el riesgo de A + B nunca es mayor que el riesgo de una más el riesgo de B. En otras palabras, el riesgo de la suma de subportfolios es menor que o igual a la suma de sus riesgos individuales.

Desviación estándar y el esperado déficit son subadditive, mientras que el VaR no es.

Subadditivity es necesaria en relación con la agregación de riesgos a través de escritorios, unidades de negocio, cuentas o empresas filiales. Esta propiedad es importante cuando distintas unidades de negocio calcular sus riesgos de forma independiente y queremos tener una idea del riesgo total involucrado. Subadditivity también podría ser un motivo de preocupación para los reguladores, donde las empresas podrían estar motivadas a dividirnos en afiliados para satisfacer los requisitos de capital.

2. invariancia traducción

Agregar dinero a la cartera disminuye su riesgo por el mismo importe.

3. positiva homogeneidad de grado 1

Si duplicamos el tamaño de cada posición en una cartera, el riesgo de la cartera será dos veces más grande.

4. moniticidad

Si las pérdidas en la cartera un son más grande que las pérdidas en la cartera de B para todo posible factor de riesgo return escenarios, entonces el riesgo de cartera A es mayor que el riesgo de cartera B.

Evaluación de medidas de riesgo

El proceso de estimación de cualquier medida de riesgo puede equivocarse por un margen considerable. Si no conseguimos una buena comprensión de lo que podría ser el verdadero valor de la estimación imprecisa, la estimación es prácticamente despreciable. Es una medida de riesgo bien complementar cualquier medida de riesgo estimado con un indicador de su precisión o, del tamaño de su error.

Hay varias maneras de cuantificar el error de algunas estimaciones. Una estrategia consiste en estimar un intervalo de confianza de la medición del riesgo.

Modelos de mercado

RiskMetrics describe tres modelos para el modelado de los factores de riesgo que definen a los mercados financieros.

Enfoque de covarianza

El primero es muy similar al enfoque significa-covarianza de Markowitz. Markowitz asumió esa matriz de covarianza de activos $\Sigma$ puede observarse. La matriz de covarianza puede utilizarse para calcular la varianza de la cartera. RiskMetrics asume que el mercado está impulsado por factores de riesgo con covarianza observable. Los factores de riesgo son representados por series temporales de precios o los niveles de las acciones, divisas, materias primas y las tasas de interés. Los instrumentos son evaluados de estos factores de riesgo mediante diversos modelos de fijación de precios. La cartera de sí mismo se asume que es una combinación lineal de estos instrumentos.

Simulación histórica

El segundo modelo de mercado supone que el mercado sólo tiene finitamente muchos cambios posibles, extraídos de una muestra de retorno de factor de riesgo de un período histórico determinado. Normalmente uno realiza una simulación histórica mediante un muestreo de los últimos cambios de factor de riesgo de día en día y aplicarlas al nivel actual de los factores de riesgo para obtener escenarios de precio de factor de riesgo. Estos escenarios de precio perturbado factor de riesgo se utilizan para generar una distribución de la ganancia (pérdida) de la cartera.

Este método tiene la ventaja de la simplicidad, pero como un modelo, es lento para adaptarse a las cambiantes condiciones del mercado. También sufre una error de simulación, como el número de simulaciones está limitado por el período histórico (normalmente entre 250 y 500 días).

Simulación de Monte carlo

El tercer modelo de mercado asume que el logaritmo de la devolución, o registro de retorno, de cualquier factor de riesgo sigue normalmente un distribución normal. Colectivamente, son las registro-devoluciones de los factores de riesgo normal multivariante. Monte Carlo simulación genera escenarios de mercado al azar extraídas de esa distribución normal multivariada. Para cada escenario, se calcula la ganancia (pérdida) de la cartera. Esta colección de escenarios de ganancia (pérdida) proporciona una muestra de la distribución de la ganancia (pérdida) de los cuales uno puede computar las medidas de riesgo de elección.

Véase también

• SunGard -mayor empresa de sistemas financieros, ofreciendo productos y servicios financieros
• GARCH -una variación paramétrica no lineal modelo de estimación
• Analytics de Moody's -competidor ofrece soluciones de gestión de riesgos
• Algorithmics Inc. -competidor ofrece soluciones de gestión de riesgos
• RiskLab -Instituto de investigación de llevar a cabo la gestión de riesgos
• Riskdata -competidor ofrece soluciones de gestión de riesgos

Riesgo de Northstar -una solución de gestión de riesgo alternativo para los fondos de cobertura.

Referencias

• Harry Markowitz, "Portfolio Selection", Revista de finanzasMarzo de 1952.
• Peter Zangari, Documento técnico RiskMetrics1996.
• Matthew Pritzker, Los peligros ocultos de simulación históricaLa Junta de Gobernadores del sistema Federal de reserva, Series discusión sobre economía y finanzas2001.
• Jeremy Berkowitz y James o ' Brien, "Qué precisión tienen modelos de valor en riesgo en los bancos comerciales?", Revista de finanzasVol. 57, núm. 3 (junio de 2002), págs. 1093 – 1111.
• Jorge Mina y Jerry Xiao. Volver a RiskMetrics – la evolución de un estándar2001.
• Chris Finger. Simulación histórica cómo me hizo perezoso, RiskMetrics investigación mensualAbril de 2006.
• Gilles Zumbach, Una suave introducción a la metodología de RM 2006Documento de trabajo RiskMetrics, noviembre de 2006.
• Alan Laubsch, Gestión del riesgo: Una guía práctica1999

Enlaces externos

• https://www.RiskMetrics.com

Otras Páginas

• Signo de Broadbent
• Terapia persona-centrada
• 2 distrito congresional eleccion especial del Massachusetts, 1838
• Ascitis
• Manuel Hegen
• Apophlegmatism
• Control de crucero
• Samsung Galaxy S5
• Experimento de salud Medicaid de Oregon